ENHANCING TWO-FACTOR AUTHENTICATION FOR CLOUD HEALTHCARE SECURITY: THE ROLE OF DEEP LEARNING

Аннотация

В современном цифровом мире безопасная аутентификация пользователей приобретает особую значимость, особенно в облачных средах, таких как системы здравоохранения, финансовые сервисы и корпоративные платформы. Поскольку традиционные системы аутентификации, основанные на паролях, становятся всё более уязвимыми для взлома, всё более широкое распространение получает двухфакторная аутентификация (2FA). Биометрические методы, такие как распознавание лиц, позволяют повысить уровень безопасности, однако большинство существующих решений основаны на вычислительно сложных моделях и требуют больших объёмов данных, что ограничивает их применение в лёгких или облачных средах.

В связи с этим данное исследование направлено на решение задачи разработки эффективной и гибкой системы двухфакторной аутентификации, объединяющей распознавание лица и проверку одноразового пароля (OTP), которая может эффективно функционировать при ограниченных объёмах данных и вычислительных ресурсов. Основная цель исследования заключается в разработке практической архитектуры системы 2FA на основе методов глубокого обучения, которая будет простой в обучении, развёртывании и интеграции в современные веб-инфраструктуры.

Для реализации предложенного подхода используется небольшой набор изображений лиц для обучения специально разработанной сверточной нейронной сети (CNN) с применением функции потерь triplet loss. Модель формирует эмбеддинги и использует метрику cosine similarity для различения подлинных пользователей и ложных входов. Система аутентификации реализована на основе FastAPI и включает веб-интерфейс для загрузки изображений и проверки одноразовых паролей. В процессе обучения обеспечивается возможность наблюдения за показателями loss и accuracy в режиме реального времени.

Результаты исследования показывают, что предложенная модель способна эффективно обобщать данные, используя всего 5-10 обучающих примеров, при этом сохраняя высокий уровень точности верификации. Разработанная архитектура является лёгкой, готовой к использованию в облачных средах и может применяться в реальных защищённых приложениях. В дальнейшем планируется расширение функциональности системы, включая поддержку большего числа пользователей, использование камер для ввода данных и интеграцию с облачными провайдерами идентификации.